谷歌和微软两位“印度老乡”CEO，正面硬刚

12月6日夜间，谷歌发布了其最新一代的AI大模型Gemini。

谷歌的印度籍CEO Sundar Pichai亲自为这项发布站台，在公开信中将Gemini描述为：“我们迄今为止最强大、最通用的模型，它在许多领先的基准测试中都展现出了最先进的性能。”

此前在接受《麻省理工学院技术评论》杂志采访时，Pichai还讲道：“在57项测试中，Gemini的表现有89%与人类专家相当。这是第一个达到这一标准的模型。”

言外之意，Gemini已然超过了其最大竞争对手、OpenAI发布的GPT-4。而后者是在其“印度老乡”Satya Nadella掌舵的微软投资支持下研发出来的。

早在今年年初，为了应对ChatGPT的威胁，Pichai曾亲自为谷歌拉响了“红色警报”，宣布要与微软投资的OpenAI展开正面竞争。

一年时间过去，两位印度籍CEO，仍在争夺全球第一AI大模型的竞赛中打得火热。

可能是目前最先进的大模型

据谷歌官方信息，Gemini 1.0大模型针对不同尺寸进行了优化，提供三种版本，从大到小分别为Ultra、Pro和Nano。不过，谷歌并未公布各个型号模型的参数规模。

Gemini适用于执行多任务。即日起，谷歌此前发布的大模型Bard将使用Gemini Pro的微调版本来进行更高级的推理、规划和理解等。谷歌官方称“这是Bard自推出以来最大的升级”。

Gemini Nano被称为“端侧任务最高效的模型”，Android开发者可以通过AICore来使用。据悉AICore是Android 14 中一项新的系统功能，将从Pixel 8 Pro设备开始支持。

Gemini中最大Size的Ultra仍在完成大规模信任和安全检查的过程中，尚未全面公开发布。在其完善过程中，Ultra将向部分客户、开发者、合作伙伴以及安全和责任专家，以供相应人员进行早期试验、提供反馈。

预计在明年初，Ultra模型将向开发者和企业客户提供服务。

而在性能方面，谷歌官方信息显示，从自然图像、音频和视频理解到数学推理，在被大型语言模型（LLM）研究和开发中广泛使用的32项学术基准中，Gemini Ultra的性能有30项都超过了目前最先进的水平。

Gemini Ultra的得分率为90.0%，是第一个在 MMLU（大规模多任务语言理解）测试中超过人类专家的模型，MMLU综合使用了数学、物理、历史、法律、医学和伦理等57个科目，用于测试世界知识和解决问题的能力。

全面宣战微软，谷歌能得偿所愿吗

早在今年5月份举办的谷歌网络开发者大会（I/O大会）上，谷歌就曾预告Gemini的相关信息。

彼时曾有消息人士透露，由于安全性审查、提升非英语任务性能等种种原因，Gemini或将于2024年正式亮相。

而本次Gemini“提前”发布，不仅是谷歌在秀自己的“技术肌肉”，在业界看来更是对微软的一次“奇袭”。

一方面，不同于ChatGPT、GPT-4模型率先发布文本功能再逐渐扩充多模态功能，Gemini被设计为原生多模态大模型，从一开始就支持多模态输入输出。Pichai对此讲道：“就像人一样，它不仅从文本中学习，还能通过视频、音频和代码进行学习。因此，这个模型天生就具备了更强大的能力。”

此外，Gemini的应用落地步伐也十分紧凑，除了集成到Bard大模型中，还将为开发者提供API（应用程序开发接口）服务。

相较之下，在今年11月OpenAI爆发高层内斗，被认为影响了GPT-4等产品的后续应用落地步伐。

据路透社获得的一份OpenAI公司的备忘录，OpenAI将此前承诺于年底推出的GPT Store功能，延期至2024年上线，原因是“由于一些意想不到的事情，团队非常忙碌无法按时交付”。

因此谷歌Gemini的发布，某种程度上也是为了抓住竞争对手调整好步伐前的关键窗口期。

此外，在发布多模态大模型Gemini的同时，谷歌还推出了全新的面向云端AI加速的芯片TPU v5p ，这也是谷歌迄今为止功能最强大且最具成本效益的TPU（张量计算单元）。在模型训练方面，TPU v5p在大语言模型训练速度上显示出了2.8倍的代际提升。

此前，微软也曾在其11月中旬举办的Ignite大会上发布了自研AI芯片Microsoft Azure Maia。

这从某种意义上说明，在大模型竞赛的“下半场”，伴随着市场进入洗牌期，除了模型性能本身，算力的充沛与否、应用深化的速度、模型安全性程度等等，都被视为决胜的关键要素。

在大模型的市场竞速赛中，玩家们的“内卷”程度不断加重，不容任何一个环节的布局有所缺失。

距离ChatGPT正式发布，已经过去了一年的时间。或许到现在，市场的“红色警报”才刚刚正式拉响。